一种基于图像局部边缘特征的摄像头检测方法

摘要

本发明属于图像处理领域，具体涉及利用图像局部边缘特征来判断摄像头是否被遮挡的方法。目的是提供一种基于图像局部边缘特征的摄像头检测方法，包括将摄像头拍摄的RGB图像I灰度变换成图像L，再先后利用高斯滤波器、非线性扩散滤波器对图像L进行处理，构造出非线性多尺度空间，再计算该空间内每副图像Lⁱ的Hessian矩阵响应图像Lⁱ_Hessian，采用3×3×3邻域的非最大值抑制算法定位出Lⁱ_Hessian的局部边缘特征点，最后统计特征点的数量并与阈值进行比较，准确的判断出摄像头遮挡情况。本发明能够适应光照的变化，在各种光照条件下都能准确的判断出摄像头是否被遮挡，同时采用灰度值均方差排除网络故障及设备故障引起的误报，降低误报率。

主权项

一种基于图像局部边缘特征的摄像头遮挡检测方法，其特征在于：包括以下步骤：a、对摄像头拍摄的RGB图像I进行灰度变换，得到灰度图像L，并计算灰度图像L中各像素灰度值的均方差ω；b、判断ω的值是否等于0,若ω＝0，则表明网络故障或设备故障，结束程序；若ω≠0，则进行图像局部边缘特征点的提取，包括以下步骤：b1，采用高斯滤波器对灰度图像L进行滤波处理，构造出具有N幅图像的多尺度空间，所述多尺度空间由O组图像组成，每组图像具有S个子层，N＝O×S；每层图像的尺度参数σ_i分别通过序号o和s来标记，尺度参数σ_i根据公式(1)计算：o∈[0,...,O‑1],s∈[0,...,S‑1],i∈[0,...,N]，σ₀是尺度参数的初始基准值，默认为1.6；b2、采用非线性扩散滤波器对多尺度空间内的每层图像进行扩散处理，生成非线性多尺度空间，其中最底层的图像L⁰＝L_σ，L_σ是用尺寸为9×9，标准差为1.6的高斯核与所述灰度图像L进行卷积后得到；其余层图像根据如下的公式(2)生成进化图像Lⁱ：$L^{i+1}={(I-\tau \underset{l=1}{\overset{m}{\Sigma }}{A}_l\left(L^i\right))}^{-1}{L}^i,$其中A_l表示图像Lⁱ在各维度l上的传导矩阵，I为原始图片，τ为时间步长，τ＝t_i+1‑t_i，t_i为以时间为单位的尺度参数,$t_i=\frac{1}{2}{{\sigma }_i}^2,i\in [0,...,N];$b3、根据b2步骤中生成的每副进化图像Lⁱ计算其对应的Hessian矩阵响应图像Lⁱ_Hessian，根据公式(3)：Lⁱ_Hessian＝σ²_i,norm(L_xxⁱL_yyⁱ‑L_xyⁱL_xyⁱ)，其中，Lⁱ_xx为进化图像Lⁱ在x方向的二阶倒数,Lⁱ_yy为进化图像Lⁱ在y方向的二阶倒数,Lⁱ_xy为进化图像Lⁱ的二阶混合偏导数，σ_i,norm为Lⁱ对应尺度的整数值；b4、采用3×3×3邻域的非最大值抑制算法，定位每个Hessian响应图像Lⁱ_Hessian中的局部边缘特征点；c、统计提取到的局部边缘特征点的数量n，将n与阈值n₀进行比较,阈值n₀为摄像头未遮挡时所拍摄图像的局部特征点数；若n≦n₀,则发出摄像头被遮挡告警。